遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

基于三阶段改进蚁群算法的多工艺路线柔性作业车间调度

为了解决多工艺路线柔性作业车间调度问题,以最大完工时间最小化为目标,建立蚁群算法调度模型,提出一种递阶结构的三阶段蚁群算法。分别为三阶段设计了蚁群状态转移规则,第一阶完成工艺路线选择,第二阶段完成对机器的选择,第三阶完成对工序的排序。为了提高搜索效率,设计了改进的信息素更新策略。为了提高解的质量,针对每阶段解序列特点设计了邻域搜索策略。通过实例仿真,与文献中的算法进行对比验证本文算法的可行性和优越性。     

基于两阶段蚁群算法的带非等效并行机的作业车间调度

针对带非等效并行机的作业车间生产调度问题,以制造系统的生产成本、准时交货率等为目标,构建生产调度多目标模型。利用蚁群算法在求解复杂优化问题方面的优越性,建立调度问题与蚁群并行搜索的映射关系,将调度过程分成任务分派和任务排序两个阶段,每个阶段分别设计蚁群优化算法,并将两阶段寻优蚂蚁有机结合,构建一种具有继承关系的两阶段蚁群并行搜索算法,可以大大提高获得较优解的概率,并且压缩求解空间,快速获得较优解。通过均匀试验和统计分析确定算法的关键参数组合,将两阶段蚁群算法应用不同规模的8组算例。结果表明,无论是优化结果还是计算效率,两阶蚁群算法均优于改进的遗传算法。将所提出两阶段蚁群算法应用于实际车间的生产调度,减少了生产过程中工序间等待时间和缩短了产品交付周期。     

基于分布估计—蚁群混合算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,对其优化方法进行了研究,建立了多目标柔性作业车间调度问题的函数模型,提出了分布估计—蚁群混合算法。该算法首先采用分布估计算法快速得到了全局较优解,然后通过选择部分较优解对蚁群算法信息素初始化进行了改进,最后利用蚁群算法正反馈机制快速寻找到了全局最优解;在改进的分布估计算法中,结合了多种方法进行机器选择和工序排序的初始化,给出了相应概率模型和种群更新方式;在改进的蚁群算法中,通过建立两个路径节点集合进行了状态转移规则的描述,并对信息素更新机制进行了分阶段局部更新和全局更新,有利于蚁群算法快速收敛到全局最优解;通过两个柔性作业车间调度实例进行了仿真分析以及和其他算法的对比。研究结果表明:分布估计—蚁群混合算法在求解柔性作业车间调度问题具有较好优化效果和高效求解能力。     

基于蚁群算法的气门弹簧多目标优化

介绍了蚁群算法的基本原理、模型和实现方法,并以常见的气门弹簧作为优化设计目标,建立多目标函数的数学模型,利用MATLAB编程进行求解。通过将计算结果与用遗传算法优化、常规优化算法优化获得的结果进行对比可知,蚁群算法具有很好的寻优能力,同时也表明蚁群算法在优化设计领域的可行性和实用性。     

用于供水系统直接优化调度的蚁群改进算法

在城市供水系统中建立了多目标在线直接优化调度模型,并对影响优化调度的各方面因素进行了系统的分析和挑选。使用化多为一的乘除法,将该多目标决策问题转化为单目标问题求解,提出了使用乘法形式的罚函数将模型中的约束函数转化为目标函数。采用蚁群算法求解调度模型。为了更好地得到全局最优解,对算法进行了改进,加入了更多的决策点,实现蚁群算法的二进制编码方法,并采用单只最优蚂蚁更新路径上的外激素值、外激素值限定在一定范围内等改进方法。使用改进算法实现了某小区供水系统的直接优化调度,并与遗传算法优化调度的过程进行了对比,新算法在优化时间及得到最优解的次数上都优于遗传算法。     

多工序多工步制造系统切削用量的优化研究

通过对建立的多工序多工步制造系统生产时间和生产成本的数学模型的优化分析，并考虑了相应的生产条件约束限制，从而提出了基于最大生产率多工序多工步有约束制造模型切削用量优化求解思想——主目标生产效率最大，次目标生产费用最小，并给出了有效的优化算法。     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

孔群加工路径规划问题的进化求解

孔群加工路径规划对于提高多孔类零件的加工效率和质量具有重要意义。建立了两个孔群加工路径规划问题的数学模型,分别归纳为单目标和多目标组合优化问题,并引入进化蚁群系统算法和人工免疫算法求解单目标组合优化问题。这两种算法均能有效防止解空间的“组合爆炸”问题,计算复杂度的阶次低于Hopfield神经网络算法,且性能优于Hopfield算法。采用多目标解的快速排序技术分别对进化蚁群系统算法和人工免疫算法加以改进,开发出多目标进化蚁群系统算法和多目标人工免疫算法。分析表明,改进算法不增加原算法的计算复杂度,能直接用于求解多目标组合优化问题而无需事先给出目标权值向量,并能一次运行求得问题的多个Pareto最优解。     

A new multi-objective ant colony algorithm for solving the disassembly line balancing problem

The disassembly line is the best choice for automated disassembly of disposal products. Therefore, disassembly line should be designed and balanced so that it can work as efficiently as possible. In this paper, a mathematical model for the multi-objective disassembly line balancing problem is formalized firstly. Then, a novel multi-objective ant colony optimization (MOACO) algorithm is proposed for solving this multi-objective optimization problem. Taking into account the problem constraints, a solution construction mechanism based on the method of tasks assignment is utilized in the algorithm. Additionally, niche technology is used to embed in the updating operation to search the Pareto optimal solutions. Moreover, in order to find the Pareto optimal set, the MOACO algorithm uses the concept of Pareto dominance to dynamically filter the obtained non-dominated solution set. To validate the performance of algorithm, the proposed algorithm is measured over published results obtained from single-objective optimization approaches and compared with multi-objective ACO algorithm based on uniform design. The experimental results show that the proposed MOACO is well suited to multi-objective optimization in disassembly line balancing.     

受路网和测量约束的变电站巡检机器人路径规划

采用机器人对变电站高压线路测温可以大大提高日常巡检任务的智能化水平,但是巡检过程中存在路网限制和频繁启停能量消耗大等问题,须考虑最优路径与最佳测温停靠地点的相互制约性。为了解决上述问题,基于图论对变电站环境进行建模,通过分析巡检机器人在路网中对目标点测温时相机的位姿约束,建立了以时间消耗最小为目标的路径规划模型。提出了一种基于改进蚁群算法的路径优化方法和基于贪婪思想聚类的巡检停靠点选取方法,通过蚁群算法迭代获得机器人的最优巡检路径、巡检停靠点序列以及各停靠点对应的测温点集。最后,采用仿真案例验证了算法的可行性和鲁棒性,基于巡检机器人的实验结果表明该路径规划模型可用于变电站巡检。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

交货期惩罚下柔性车间调度多目标Pareto优化研究

针对传统作业车间调度问题的局限性,结合实际生产过程的特点和约束条件,建立路径柔性的作业车间调度仿真模型。采用连续空间蚁群算法,对柔性车间作业进行多变量、多约束下的调度布局优化设计,在考虑各个机器提前/拖期完工的惩罚值,所有机器上的总负荷、成品合格率和最大设备利用率等性能指标更加合理情况下,为每次迭代产生的邻域解集作为Pareto非支配排序,防止算法操作过程中劣解的产生,提高求解效率。并与自适应免疫算法和交换序列混合粒子群法的优化结果进行对比,该算法可有效改善基本蚁群算法的停滞现象和全局寻优能力差的缺点。目前,该方法已在某机械公司进行示范,在提高加工效率、降低生产成本、减少协作费等方面效果显著。     

Efficient bi-objective ant colony approach to minimize total tardiness and system unavailability for a parallel machine scheduling problem

In recent years, decision makers give more importance to the maintenance function, viewing its substantial contribution to business productivity. However, most literature on scheduling studies does not take into account maintenance planning when implementing production schedules. The achievement of production plan without taking into account maintenance activities increases the probability of machine breakdowns, and inversely, considering maintenance actions in production planning elongates the achievement dates of orders and affects deadlines. In this paper, we propose a bi-objective model to deal with production scheduling and maintenance planning problems simultaneously. The performance criteria considered for production and maintenance are, respectively, the total tardiness and the unavailability of the production system. The start times of preventive maintenance actions and their number are not fixed in advance but considered, with the execution dates of production tasks, as decisions variables of the problem. The solution of the integrated model is based on multi-objective ant colony optimization approach. The proposed algorithm (Pareto ant colony optimization) is compared, on the basis of several metrics, with well-known multi-objective genetic algorithms, namely NSGA-II and SPEA 2, and a hybrid particle swarm optimization algorithm. Interesting results are obtained via empirical study.     

基于Pareto解集蚁群算法的拆卸序列规划

为提高产品拆卸序列规划的效率,分析拆卸序列规划问题中的多个优化目标平衡问题,提出一种基于Pareto解集的多目标蚁群优化算法求解此类拆卸规划问题,并给出拆卸序列的构建过程。通过利用拆卸矩阵推导拆卸可行条件,获得可以执行拆卸操作的零件及其可行的拆卸方向。通过利用零件的轴向包围盒(Axis aligned bounding boxes,AABB)计算零件的拆卸行程。考虑拆卸方向改变次数、拆卸总行程、拆卸零件数量为优化目标,通过利用蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,实现求解优化的拆卸序列,给出算法的具体步骤。最后以单杠发动机为拆卸实例,利用所提方法进行拆卸序列规划求解,通过分析试验结果,并对比典型的单目标蚁群规划算法,证明了该方法的高效性和可行性。     

基于矩阵算式和蚁群算法的元功能链设计方案优化方法*

为解决矩阵算式求解元功能链设计方案过程中缺乏优化工具的问题,提出了一种矩阵算式结合蚁群算法的优化方法。分析了相似性理论,用相似度和广义距离表征两个相邻元件的兼容性;定义了相似度矩阵,并使之与设计方案矩阵关联计算,获得了蕴含元件相似度信息的设计方案矩阵;定义了设计方案的评价模型和基于蚁群算法的优化模型,给出了评价参数、权重以及评价值的计算方法;以元件的评价得分作为信息素,以广义距离作为相邻节点路径的长度,构建了信息素矩阵和概率矩阵;将方案求解问题转化为组合优化的最优路径问题,用蚁群算法直接优化蕴含在设计方案矩阵中的方案,得到了同时满足结构需求、功能需求、评价需求的设计方案。通过某三轴伺服传送机构设计方案优化的实例,验证了方法的有效性。     

基于PCA与蚁群算法的机械故障聚类诊断方法

针对现代机械复杂化、智能化的特点,为快速准确地诊断出设备故障,提出了基于PCA与蚁群算法的机械故障聚类诊断新方法。定义了聚类准确率判别因子,对主元的选取进行自适应调整,利用基于高斯径向基核函数的主元分析方法实现了故障特征提取。以蚁群算法解决旅行商问题为原型,定义了城市圈,改进蚁群算法实现了双重寻优,把故障聚类转化为蚁群算法最擅长的寻求最优解问题,将改进的蚁群算法用于故障特征样本的聚类。实例分析证明了该方法的有效性。